基于网源协同的机组负荷综合调频方法及系统与流程

1.本发明涉及机组负荷快调技术领域，特别是涉及一种基于网源协同的机组负荷综合调频方法及系统。


背景技术：

2.目前电网调度实时控制系统基于机组的设计容量或者一段时间内的运行曲线设计的，并且依据的是该机组的最大负荷，而并网时，需要依据并网的实时总体负荷进行调节，传统的并网一般考虑的是在网的机组数量，但是随着新能源的发展，大规模的光伏发电也会同时进行并网，这就导致并网支线上每一个并网单元的总体负荷随着并网的规模而发生变化，并不是保持不变的，一般的，需要考虑并网支线总体负荷稳定，在并网支线上的每一并网单元的并网端额定负荷也是随着电网的调度而随时发生改变，因此，基于网源协同是解决并网单元和并网端总体负荷和并网端额定负荷动态平衡的问题。
3.在公开的技术中，网源协同的机组负荷综合调频技术，比如公开号为：“cn113452092a”公开了一种提升火电机组agc综合调频性能指标的控制方法，该方法通过判断机组能量状态和电网agc响应需求，实施自适应地agc调频负荷控制；当机组能量状态与agc响应需求一致时，快速调节；当机组能量状态与agc响应需求相反时，正常或减慢调节速度。但是由于在进行机组调节时，比如，当并网端总体负荷大于并网端额定负荷时，说明此时，机组发电并网已经超出了并网接收的最大能力，照此运行方式势必会导致机组发电量无法得到实时并网，形成了资源浪费，且机组的各种物性参数在此时运行时，无法突然降低，因此，机组在进行调节时，需要按照设定的逻辑进行控制。


技术实现要素：

4.有鉴于此，本发明的主要目的在于提供一种基于网源协同的机组负荷综合调频方法及系统。
5.发明采用的技术方案如下：一种基于网源协同的机组负荷综合调频方法，包括如下步骤：由机组的控制系统提供控制信号作为机组负荷调节的方式，包含应用模式和监测模式；在应用模式下，实施自适应地agc调频负荷控制并进行快速调节；在监测模式下，重新配置所述控制系统，并将所述控制系统配置为以控制系统内部设置的逻辑模块分别设置匹配监测模式的控制逻辑，在所述监测模式下，所述控制逻辑用于基于实时采集的物性参数，将所述物性参数输入至人工智能系统以筛选出设定的调节方案并基于所述调节方案在满足并网端额定负荷前提下以物性参数进行实时调节并达到机组功率和物性参数之间的平衡。
6.在上述中，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性
参数之间处于静态平衡中。
7.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡。
8.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
9.在上述中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度。
10.本发明还提供了一种基于网源协同的机组负荷综合调频系统，包括：控制系统；人工智能系统；所述控制系统提供控制信号作为机组负荷调节的方式，包含应用模式和监测模式；在应用模式下，实施自适应地agc调频负荷控制并进行快速调节；在监测模式下，重新配置所述控制系统，并将所述控制系统配置为以控制系统内部设置的逻辑模块分别设置匹配监测模式的控制逻辑，在所述监测模式下，所述控制逻辑用于基于实时采集的物性参数，将所述物性参数输入至人工智能系统以筛选出设定的调节方案并基于所述调节方案在满足并网端额定负荷前提下以物性参数进行实时调节并达到机组功率和物性参数之间的平衡。
11.在上述中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度。
12.在上述中，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性参数之间处于静态平衡中。
13.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所
述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡。
14.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
15.本发明提供了一种在应用模式和监测模式下的调节技术，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性参数之间处于静态平衡中。
16.在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，此时，分为两种情况，包括：所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡；所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
17.在本技术中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度，因此在进行控制时，只需要通过控制系统内的控制单元控制执行单元按照所述执行逻辑对应的对物性参数进行调节控制以当所述并网端总体负荷和并网端额定负荷相同时达到机组功率和物性参数之间的平衡；在此过程中，执行逻辑决定了至
少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度在同一个执行期或者一个执行命令下的执行顺序；控制机组功率只需要将至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度进行精准控制。
附图说明
18.以下附图仅对本发明作示意性的说明和解释，并不用于限定本发明的范围，其中：图1为本发明的方法流程图。
具体实施方式
19.为了使本发明的目的、技术方案、设计方法及优点更加清楚明了，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
20.实施例1参照图1，本发明提供了一种基于网源协同的机组负荷综合调频方法，包括如下步骤：由机组的控制系统提供控制信号作为机组负荷调节的方式，包含应用模式和监测模式；在应用模式下，实施自适应地agc调频负荷控制并进行快速调节；在监测模式下，重新配置所述控制系统，并将所述控制系统配置为以控制系统内部设置的逻辑模块分别设置匹配监测模式的控制逻辑，在所述监测模式下，所述控制逻辑用于基于实时采集的物性参数，将所述物性参数输入至人工智能系统以筛选出设定的调节方案并基于所述调节方案在满足并网端额定负荷前提下以物性参数进行实时调节并达到机组功率和物性参数之间的平衡。
21.在上述中，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性参数之间处于静态平衡中。
22.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡。
23.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得
到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
24.在上述中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度。
25.在第一种情况下，此时并网端总体负荷大于并网端额定负荷，并网端额定负荷有并网线路总体负荷来决定，并网线路总体负荷由接入并网线路的并网单元决定的，比如机组单元、光伏发电并网单元，当接入的并网单元增多时，分给每个并网单元的并网端额定负荷就会随之改变，且在此模式下，机组功率是由至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数决定，当并网端总体负荷大于并网端额定负荷时，机组的功率处于一定的高位，此时需要降低时，不能直接控制机组完成功率下降，需要配合至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步降低时，才能达到稳定的降低机组效率，在此过程中，给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数的调节都是按照设定的逻辑顺序进行的，所述控制单元控制执行单元按照所述执行逻辑对应的对物性参数进行调节控制以当所述并网端总体负荷和并网端额定负荷相同时达到机组功率和物性参数之间的平衡。
26.在上述中，机组的功率处于一定的高位，并不代表机组处于最大的功率状态，而是代表机组的功率状态大于给定的并网端额定负荷下的功率。为了优化并网效率，需要将机组的功率降低到并网端额定负荷下的功率。
27.在第二种情况下，所述并网端总体负荷小于并网端额定负荷，此时说明机组功率处于某一状态下的低位，需要将机组功率进行上调，由于这种低位进行上调的差异不会是非常大的，因此可以通过调节给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步调节，由于机组功率在调节过程中瞬时完成，也需要一定的时间，在调节过程中，一般是将机组功率调节到设定范围，同步的对给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步调节，当物性参数达到设定范围值时，机组功率也达到了对应的设定范围。
28.在本技术中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度，因此在进行控制时，只需要通过控制系统内的控制单元控制执行单元按照所述执行逻辑对应的对物性参数进行调节控制以当所述并网端总体负荷和并网端额定负荷相同时达到机组功率和物性参数之间的平衡；在此过程中，执行逻辑决定了至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度在同一个执行期或者一个执行命令下的执行顺序；控制机组功率只需要将至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度进行精准控制。
29.实施例2本发明还提供了一种基于网源协同的机组负荷综合调频系统，包括：控制系统；人工智能系统；
所述控制系统提供控制信号作为机组负荷调节的方式，包含应用模式和监测模式；在应用模式下，实施自适应地agc调频负荷控制并进行快速调节；在监测模式下，重新配置所述控制系统，并将所述控制系统配置为以控制系统内部设置的逻辑模块分别设置匹配监测模式的控制逻辑，在所述监测模式下，所述控制逻辑用于基于实时采集的物性参数，将所述物性参数输入至人工智能系统以筛选出设定的调节方案并基于所述调节方案在满足并网端额定负荷前提下以物性参数进行实时调节并达到机组功率和物性参数之间的平衡。
30.在上述中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度。
31.在上述中，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性参数之间处于静态平衡中。
32.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡。
33.在上述中，在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，且所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
34.当并网端总体负荷大于并网端额定负荷，并网端额定负荷有并网线路总体负荷来决定，并网线路总体负荷由接入并网线路的并网单元决定的，比如机组单元、光伏发电并网单元，当接入的并网单元增多时，分给每个并网单元的并网端额定负荷就会随之改变，且在此模式下，机组功率是由至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数决定，当并网端总体负荷大于并网端额定负荷时，机组的功率处于一定的高位，此时需要降低时，不能直接控制机组完成功率下降，需要配合至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步降低时，才能达到稳定的降低机组效率，在此过程中，给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数的调节都是按照设定的逻辑顺序进行的，所述控制单元控
制执行单元按照所述执行逻辑对应的对物性参数进行调节控制以当所述并网端总体负荷和并网端额定负荷相同时达到机组功率和物性参数之间的平衡。
35.在上述中，机组的功率处于一定的高位，并不代表机组处于最大的功率状态，而是代表机组的功率状态大于给定的并网端额定负荷下的功率。为了优化并网效率，需要将机组的功率降低到并网端额定负荷下的功率。
36.当所述并网端总体负荷小于并网端额定负荷，此时说明机组功率处于某一状态下的低位，需要将机组功率进行上调，由于这种低位进行上调的差异不会是非常大的，因此可以通过调节给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步调节，由于机组功率在调节过程中瞬时完成，也需要一定的时间，在调节过程中，一般是将机组功率调节到设定范围，同步的对给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度等物性参数进行同步调节，当物性参数达到设定范围值时，机组功率也达到了对应的设定范围。
37.本发明提供了一种在应用模式和监测模式下的调节技术，在所述应用模式下，并网端总体负荷和并网端额定负荷相同，所述机组按照自适应地agc调频负荷控制，以控制物性参数保持在基础阈值内，此时机组功率和物性参数之间处于静态平衡中。
38.在监测模式下，当所述并网端总体负荷和并网端额定负荷之间的差值超出设定范围后，此时，分为两种情况，包括：第一种情况下，所述并网端总体负荷大于并网端额定负荷，依据所述差值判断需要将机组功率进行下调的下调节值，将实时采集机组的第一物性参数输入至人工智能系统，所述人工智能系统中设置有神经网络模型，所述神经网络模型以所述下调节值为训练参数对输入的第一物性参数进行训练配置，以得到所述下调节值对应的第一调节方案，并基于所述第一调节方案在满足并网端额定负荷前提下以对第一物性参数进行实时调节，在对第一物性参数进行实时调节的过程中，一个单位量的第一物性参数的调节对应的由所述控制系统控制机组功率进行对应的下调，以达到当所述并网端总体负荷和并网端额定负荷相同时，机组功率和第一物性参数之间保持静态平衡；第二种情况下，所述并网端总体负荷小于并网端额定负荷，依据所述差值判断需要将机组功率进行上调的上调节值，将实时采集机组的第二物性参数输入至人工智能系统，由所述神经网络模型以所述上调节值为训练参数对输入的第二物性参数进行训练配置，以得到所述上调节值对应的第二调节方案，并基于所述第二调节方案在满足并网端额定负荷前提下以对第二物性参数进行实时调节，在对第二物性参数进行实时调节的过程中，由所述控制系统控制机组功率按照一个单位量进行上调时，同步控制第二物性参数对应上调，当所述并网端总体负荷和并网端额定负荷相同时，所述机组功率和第一物性参数之间保持静态平衡。
39.在本技术中，所述物性参数至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度，因此在进行控制时，只需要通过控制系统内的控制单元控制执行单元按照所述执行逻辑对应的对物性参数进行调节控制以当所述并网端总体负荷和并网端额定负荷相同时达到机组功率和物性参数之间的平衡；在此过程中，执行逻辑决定了至少包括给水压力和温度、新蒸汽压力和温度以及再热热段蒸汽压力和温度在同一个执行期或者一个执行命令下的执行顺序；控制机组功率只需要将至少包括给水压力和温度、新蒸
汽压力和温度以及再热热段蒸汽压力和温度进行精准控制。
40.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。